Python 如何使用递归神经网络仅从单个输入生成完整的时间序列？
我想知道我应该如何配置一个递归神经网络，从一个特征的单一实例的输入中生成一个时间序列Python 如何使用递归神经网络仅从单个输入生成完整的时间序列？,python,tensorflow,keras,neural-network,recurrent-neural-network,Python,Tensorflow,Keras,Neural Network,Recurrent Neural Network,我想知道我应该如何配置一个递归神经网络，从一个特征的单一实例的输入中生成一个时间序列 例如，假设用于训练该网络的时间序列是正弦曲线，输入变量（特征）是振幅和频率。因为这不是一个序列到序列的模型，所以不可能在每个时间点给出递归神经网络输入。是否有一些递归神经网络的配置可以解决这个问题？我想您需要反馈您的状态（当前输出）以生成输出。使用这个作为输入，你可以生成看起来像“序列到序列”的测试数据，不是吗？我在想这样的东西可能会工作，在前一层的网络输出可以作为输入输入输入到下一层。有可能在Keras上实现
例如，假设用于训练该网络的时间序列是正弦曲线，输入变量（特征）是振幅和频率。因为这不是一个序列到序列的模型，所以不可能在每个时间点给出递归神经网络输入。是否有一些递归神经网络的配置可以解决这个问题？我想您需要反馈您的状态（当前输出）以生成输出。使用这个作为输入，你可以生成看起来像“序列到序列”的测试数据，不是吗？我在想这样的东西可能会工作，在前一层的网络输出可以作为输入输入输入到下一层。有可能在Keras上实现这一点吗？我想您需要反馈您的状态（当前输出）以生成输出。使用这个作为输入，你可以生成看起来像“序列到序列”的测试数据，不是吗？我在想这样的东西可能会工作，在前一层的网络输出可以作为输入输入输入到下一层。是否有可能在Keras上实施此功能？